云机器人将业务转移到云计算中心处理的新型计算架构,成为机器人体系中的重点研究内容。云机器人借助云服务中的计算、存储以及网络等资源大大提高了工作效率,但是仅仅依靠中心云是不太可靠的。随着物联网的快速发展,中心云面临着沉重的网络负担,已无法满足用户低时延高带宽的需求。因此出现了边缘计算的模式,通过将云资源以及业务平台下降到网络的边缘,使得用户物理位置与业务云距离更近。从而减少用户端到边缘服务器端的交付时延,并发掘网络的内在能力,提升用户的服务体验。基于边缘计算的模式,本文研究云机器人计算卸载的最优策略,为最大程度地提高边缘计算的效能,设计了改进的博弈论计算卸载算法。实验结果表明,该算法不仅能降低云机器人的能耗,打破云机器人计算复杂性任务的硬件条件限制,而且能有效降低完成任务的时间,证明了该算法的可行性。论文的主要工作如下:(1)研究了云机器人边缘服务器的三层体系结构,使边缘服务器能够为云机器人提供计算、存储以及网络等资源;然后构建了基于OpenStack虚拟化技术的边缘服务器的云服务;通过Docker Driver for Nova的方式将Docker轻量级虚拟化技术与OpenStack融合,并利用ROS镜像容器为云机器人语音识别任务提供了云服务的物理环境。(2)针对边缘服务器布置问题,在云机器人位置相对固定的场景下,研究多个云机器人与多个边缘服务器之间的关联性,建立了云机器人与边缘服务器之间的访问时延数学模型,以及边缘服务器的工作负载数学模型;然后基于改进的K-Means算法研究边缘服务器的最佳部署方案。最后达到了降低云机器人访问延迟,同时使边缘服务器之间负载更加均衡的目的,提高了边缘服务器的服务质量。(3)针对云机器人计算卸载问题,在多个边缘服务器和多个云机器人的场景下,分析云机器人在计算卸载过程中的能耗和时延并建立数学模型;然后设计改进的博弈论计算卸载算法,将云机器人计算卸载问题转化为博弈形式的问题;通过动态的更新卸载策略,使得达到纳什均衡状态,最终得到最优的卸载策略。仿真结果表明,本文提出的方法不仅降低了云机器人执行任务的能耗,同时缩短了任务的平均完成时间,充分利用了边缘服务器资源。